En tant que mode de vol coopératif multi-satellite émergent, l’essaim de microsatellites est devenu un enjeu de recherche futur important pour les systèmes spatiaux distribués. Il offre un faible coût, une réponse rapide et une prise de décision collaborative. Pour traiter la coordination des essaims pour les agents autonomes, une approche de guidage probabiliste a été étudiée, qui contenait des sous-essaims avec différents objectifs de mission.
Le guidage probabiliste des essaims permet aux microsatellites autonomes de générer leurs trajectoires individuelles de manière indépendante afin que l’ensemble de l’essaim converge vers la forme de distribution souhaitée. Cependant, il est essentiel d’éviter l’encombrement pour réduire la possibilité de collisions entre microsatellites, ce qui ajoute des défis à la conception de l’algorithme d’évitement de collision.
Dans un article de recherche récemment publié dans Espace : science et technologieBing Xiao, de la School of Automation de la Northwestern Polytechnical University, a proposé une méthode de synthèse basée sur la tessellation centroïde de Voronoi (CVT) et le contrôle prédictif de modèle (MPC), visant à optimiser la trajectoire macro-micro d’un essaim de microsatellites.
L’auteur a formulé le modèle de transfert des microsatellites en essaim dans l’espace 3D et introduit la loi probabiliste de guidage en essaim. Ensuite, comme il était essentiel d’éviter l’encombrement pour réduire la possibilité de collisions entre microsatellites, l’analyse de sécurité de l’évitement des collisions a été menée sur la base de la recherche de la limite inférieure de la distance minimale entre tous les microsatellites à tout moment.
Pour déterminer la trajectoire de guidage sans collision de chaque microsatellite de la position actuelle à l’espace cible, un algorithme d’évitement de collision était nécessaire. Cependant, avec une coordination de haut niveau qui utilisait les modèles macroscopiques, les trajectoires sans collision étaient très difficiles à générer. Par conséquent, l’auteur a présenté une méthode de synthèse, où la planification de la trajectoire a été divisée en macro-planification et micro-planification.
Ensuite, l’auteur a présenté les détails de la macro-planification et de la micro-planification de l’essaim de microsatellites, respectivement. Dans la macro-planification de l’essaim de microsatellites, la position cible de chaque microsatellite a été déterminée par le centroïde généré par l’algorithme CVT, et tous les microsatellites se sont déplacés vers le centroïde correspondant jusqu’à ce que l’algorithme converge.
La distribution finale de l’essaim de microsatellites dans l’espace a été obtenue en fonction de l’emplacement du centroïde. Dans la micro-planification de l’essaim de microsatellites, MPC a été adopté pour générer les trajectoires optimales pour chaque étape et a finalement atteint la position spécifiée dans le cube cible.
Plus précisément, l’auteur a établi le modèle de dynamique orbitale en tenant compte de la perturbation J2 et a mis en œuvre la convexification des contraintes d’évitement de collision dans le processus de reconfiguration de l’essaim. Pour réaliser la planification de trajectoire en temps réel, un contrôle prédictif du modèle a été introduit, qui utilise un horizon fuyant pour mettre à jour les trajectoires optimales en fonction des informations d’état actuelles. De manière significative, la méthode proposée peut non seulement réaliser l’évitement des collisions des manœuvres d’essaims de microsatellites au niveau macro, mais également fournir des trajectoires optimales pour chaque microsatellite d’individus d’essaims au niveau micro.
Enfin, la simulation numérique a été réalisée pour vérifier la méthode de planification de trajectoire macro-micro proposée de l’essaim de microsatellites. L’auteur a donné un microsatellite central virtuel et a conçu un essaim de microsatellites à grande échelle (300) avec une configuration de vol omnidirectionnelle. L’algorithme CVT a été utilisé pour diviser les régions, et de manière à déterminer la position des microsatellites à transférer à l’instant suivant.
Ensuite, l’un des cubes a été sélectionné dans le processus de transfert et a effectué une CVT dessus pour déterminer la position de transfert du microsatellite. Après 50 itérations, une configuration stable a été obtenue et la position où le microsatellite s’est déplacé à l’instant suivant a été déterminée. En raison de la grande échelle de l’essaim de microsatellites, le processus de réalisation de la configuration finale a nécessité de nombreuses transitions.
Pour vérifier l’optimisation de trajectoire proposée basée sur le contrôle prédictif du modèle, l’un des microsatellites a été sélectionné du point initial au prochain point cible souhaité à un certain moment. Les microsatellites individuels peuvent bien atteindre le point souhaité. Une fois le point souhaité atteint, l’itération suivante serait effectuée et, en raison de l’influence de la dynamique orbitale, le microsatellite pourrait ne pas rester le point cible sans contraintes de contrôle.
Pour rendre la mission de l’essaim de microsatellites plus pratique, MPC a été utilisé dans la micro-planification pour améliorer les performances de l’essaim de microsatellites en termes de consommation de carburant et d’utilisation des ressources. Ainsi, les résultats de la simulation sur la trajectoire de guidage sans collision des microsatellites ont vérifié les avantages du schéma de planification, qui s’accordait bien avec la pratique de l’ingénierie.
Xiwei Wu et al, Centroidal Voronoi Tessellation and Model Predictive Control–Based Macro-Micro Trajectory Optimization of Microsatellite Swarm, Espace : science et technologie (2022). DOI : 10.34133/2022/9802195
Fourni par l’Institut de technologie de Pékin Press Co., Ltd